شبكة الحالة الصَدَوية الفيزيائية المبنية على اللاخطية والاستجابة الديناميكية لترانزستورات جاترية ثنائية الحمل

لماذا يهم هذا للتقنية اليومية

من مساعدي الصوت إلى تطبيقات الطقس، تعتمد العديد من أدوات اليوم الذكية على اكتشاف الأنماط التي تتغير بمرور الوقت، مثل الكلمات المنطوقة أو نبضات القلب أو مسارات العواصف. تكافح الشرائح الحاسوبية التقليدية لمعالجة هذا النوع من البيانات الزمنية بكفاءة لأنها لم تُصمَّم لتعمل مثل الدماغ. يُبلغ هذا البحث عن نوع جديد من لبنات الأجهزة — أجهزة صغيرة تُدعى ترانزستورات ثنائية الحمل — موصولة معًا لتقليد شبكة مستوحاة من الدماغ تُعرف باسم شبكة الحالة الصَدَوية. والنتيجة نظام حوسبة فيزيائي قادر على تمييز الصور وتفسير الإشارات والتنبؤ بكيفية تطور عمليات معقدة، كل ذلك مع استهلاك طاقة منخفض جدًا.

دائرة جديدة مستوحاة من الدماغ

تفصل الشرائح التقليدية بين الذاكرة والمعالجة، مما يستلزم نقل البيانات ذهابًا وإيابًا بطريقة تهدر الوقت والطاقة. تتخذ الحوسبة العصبية مسارًا مختلفًا: فهي تحاول دمج الذاكرة والمعالجة في شبكات تتصرف بشكل أقرب إلى مجموعات الخلايا العصبية والمشابك في الدماغ. تُعد شبكات الحالة الصَدَوية نوعًا خاصًا من هذه الشبكات. ترسل هذه الشبكات الإشارات الواردة إلى نسيج كبير وثابت من الوحدات المترابطة يُسمى الخزان، حيث تُخلط الإشارات وتتردد مع الزمن. يتم تدريب طبقة القراءة النهائية فقط، مما يبسط التعلم كثيرًا. طرح المؤلفون سؤالًا رئيسيًا: هل يمكن بناء هذا الخزان مباشرةً من أجهزة فيزيائية بدلاً من محاكاته في البرمجيات، بحيث يؤدي العتاد نفسه العمل الشاق طبيعيًا؟

الترانزستورات ثنائية الحمل كخلايا عصبية ومشابك صناعية

صمم الفريق ترانزستورات مصنوعة من زوج مكدّس من المواد العضوية وغير العضوية: طبقة أكسيد الزنك وبوليمر يسمى P3HT. عبر اختيار سماكة كل طبقة بعناية، أنشأوا أجهزة يمكنها حمل شحنة موجبة وسالبة بسهولة متقاربة — وهي خاصية تُسمى التوصيل ثنائي الحمل. تحتوي هذه الترانزستورات على مجال تكون استجابتها الكهربائية فيه قريبة من الخطية، ومجال آخر تنحني فيه الاستجابة بسلاسة على شكل S، شبيهة بدالة tanh الرياضية المستخدمة كخطوة تفعيل في العديد من الشبكات العصبية. في النطاق الخطي، تتصرف مثل وصلات قابلة للتعديل (مشابك) تؤدي مجموعات مرجّحة. في نطاق التشبع، تعمل مثل خلايا عصبية تضغَط الإشارات ضمن نطاق محدود. وبما أن التيار عبر كل جهاز يعتمد أيضًا على تغيُّرات الجهد الأخيرة، تتذكّر الأجهزة طبيعيًا التاريخ قصير الأمد، مما يمنح الخزان إحساسًا مدمجًا بالزمن.

من أرقام مكتوبة يدويًا إلى أنظمة فوضوية شبيهة بالطقس

لاختبار هذه الشبكة الفيزيائية، رتّب الباحثون هذه الترانزستورات ثنائية الحمل في مصفوفات وربطوها بدوائر إدخال وإخراج بسيطة. تعاملوا أولًا مع مهام تعرف الأنماط باستخدام مجموعات بيانات صور معروفة جيدًا. عبر تغذية صور مسطّحة للأرقام المكتوبة يدويًا والعناصر الملابسية إلى خزان الترانزستورات، حققوا دقة تقارب 95% في تمييز الأرقام و86% للعناصر الملابسية في وضع تشغيل أساسي، وقرب 97% و87% على التوالي عندما استغلّوا السلوك الديناميكي للأجهزة بشكل أعمق من خلال ترميز ذكي قائم على نبضات. ثم انتقلوا إلى ما بعد الصور الثابتة إلى مشاكل سلاسل زمنية حقيقية. تنبأ النظام بحركة جاذب لورنتز — نموذج كلاسيكي لدايناميكيات فوضوية شبيهة بالطقس — بخطأ منخفض جدًا، وتنبأ أيضًا بحركة وموقع مركز إعصار حقيقي مع مرور الزمن.

الاستماع إلى قلوب وقراءة العواطف

بما أن العديد من المشكلات الواقعية تتضمن أكثر من نوع واحد من البيانات، استكشف الفريق أيضًا مهام متعددة الوسائط. حوّلوا إشارات تخطيط القلب إلى موجات أحادية البُعد وصور زمن‑ترددية ثنائية البُعد، وأرسلت كلًا منهما إلى نفس خزان الترانزستورات ثنائية الحمل. عبر دمج الحالات الداخلية الناتجة، صنّف النظام أنماط إشارات القلب بدقة أعلى مما لو استُخدم أي وضع بمفرده. في دراسة أخرى، استخدموا الخزان كواجهة أمامية لتحليل مجموعة بيانات من الكلام البشري والنصوص وتعبيرات الوجه. عندما عُولجت هذه الميزات الصوتية واللغوية والبصرية أولًا عبر الشبكة ثنائية الحمل ثم مُرّرت إلى مُصنِّف برمجي قياسي، ارتفعت دقة التعرف بشكل ملحوظ مقارنة بالبرمجيات وحدها. عبر كل هذه التجارب، تفوقت الأجهزة ثنائية الحمل باستمرار على الترانزستورات أحادية النوع n أو p الأبسط، بفضل استجابتها المتوازنة للإشارات الموجبة والسالبة وديناميكياتها الداخلية الأغنى.

ماذا يعني هذا لأجهزة ذكية مستقبلية

لغير المتخصصين، الخلاصة أن هذا العمل يحول فكرة رياضية — شبكة الحالة الصَدَوية — إلى عتاد ملموس حيث يتصرف كل ترانزستور كنوع من الخلايا العصبية والمشابك الصغيرة والمتجاوبة معًا. وبما أن الاتصالات الداخلية للخزان لا تحتاج لأن تُدرَّب أبدًا، ولأن الأجهزة نفسها توفر كلًا من اللاخطية والذاكرة قصيرة الأمد، فيمكن للنظام الناتج التعامل مع مهام مثل تمييز الصور وتحليل الإشارات وتنبؤ السلاسل الزمنية بخوارزميات أبسط وباستهلاك طاقة أقل محتملًا. هذا يشير إلى مسار نحو شرائح مستقبلية قادرة على معالجة تدفقات المعلومات بطريقة أقرب إلى دماغنا، مما يمكّن حسّاسات وأجهزة قابلة للارتداء وأدوات توقع أكثر ذكاءً وكفاءة دون التكلفة الحاسوبية الكبيرة لآليات التعلم العميق الحالية.

الاستشهاد: Zhong, WM., Zhang, W., Zeng, YX. et al. Physical echo state network based on the nonlinearity and dynamic response of ambipolar heterostructure transistors. Nat Commun 17, 3321 (2026). https://doi.org/10.1038/s41467-026-70171-2

الكلمات المفتاحية: الأجهزة العصبية المماثلة للدماغ, شبكة الحالة الصَدَوية, ترانزستور ثنائي الحمل, تنبؤ السلاسل الزمنية, حوسبة الخزان